A atribuição autoral (AA) busca identificar um autor de texto a partir de um conjunto de autores conhecidos. Autores deixam rastros em seus textos e é possível identificar características sociolinguísticas baseadas no estilos de escrita refletidos no texto destes autores. A atribuição autoral está cada vez mais demonstrando importância para diversas atividades sociais, em especial para a análise forense. Os trabalhos envolvendo AA demonstram resultados modestos e motivam a exploração de diferentes técnicas para melhorar a acurácia dos modelos atuais. A partir desses pontos, o presente trabalho apresenta uma proposta de pesquisa em nível de mestrado no campo de processamento de língua natural (PLN), com ênfase em AA, com o objetivo geral de melhorar o desempenho de classificadores de atribuição autoral utilizando técnicas de caracterização autoral (CA)

Author attribution (AA) seeks to identify a text author from a set of known authors. Authors leave traces in their texts and it is possible to identify sociolinguistic characteristics based on the writing styles reflected in the text of these authors. Author attribution is increasingly showing importance for various social activities, especially forensic analysis. Studies involving AA show modest results and motivate the exploration of different techniques to improve the accuracy of current models. From these perspective, this project presents a master's level research proposal in the field of natural language processing (NLP), with an emphasis in AA, with the general objective of improving the performance of AA classifiers using author profiling techniques